海螺AI（Hailuo）：MiniMax的视频模型，Hailuo 2.3与MiniMax H3

海螺AI是什么

Hailuo（海螺）是中国公司MiniMax的视频模型系列，也是其应用海螺AI的名字。据MiniMax介绍，截至2025年底，用户已借助其视频模型创作了超过6亿条视频。

这个系列目前有两代在用。Hailuo 2.3和更快的2.3 Fast于2025年10月28日发布，提升了肢体动作、面部表情、物理效果和风格支持，涵盖动漫、插画、水墨和游戏CG。MiniMax H3（也叫Hailuo 3）于2026年7月31日作为新一代发布：一个模型就能理解文本、图像、视频和音频，并直接生成带立体声的视频。

2026年8月3日，MiniMax以MiniMax H3 Community许可在Hugging Face和ModelScope开放了H3的权重。其核心是一个330亿参数的Transformer，同时预测画面和声音。MiniMax现已把Hailuo 2.3归入旧款模型。

海螺AI能做什么

最高2K的带声音视频。 H3可生成24帧/秒、4–15秒的视频。基础分辨率为768p，另有名为Regenerate-2K的独立环节，会结合原始上下文把视频重新生成为2K。声音为32kHz立体声，与画面同时生成。

画面中的文字。 MiniMax强调其能准确渲染文字和品牌。在我们的测试中，橱窗上的FRESH BREAD字样没有错误，但视频开头这些字母是镜像的，就像从外面看一块在里面写的招牌。

角色对白。 在提示词里用引号写一句台词，H3就会让角色说出来，并配上口型。MiniMax称H3稳定支持11种语言：阿拉伯语、德语、俄语、法语、韩语、葡萄牙语、日语、西班牙语、意大利语、英语和中文。

参考。 在Ref2VA模式下，H3最多接受9张图片、3段2–15秒的视频和3段音频，共12个文件。音频必须与图片或视频一起提供。FL2VA模式可在首帧和尾帧之间生成视频。

画面比例： 21:9、16:9、4:3、1:1、3:4和9:16。

Hailuo 2.3和H3的区别

	Hailuo 2.3	MiniMax H3
发布时间	2025年10月28日	2026年7月31日
时长	6秒或10秒	4–15秒
分辨率	768p、1080p（API中1080p仅限6秒）	768p，最高2K
声音	无	与视频同时生成立体声
输入	文本或图片	文本、最多9张照片、3段视频、3段音频
开放权重	无	有
Arena排名（2026.09.21）	48个中第32	48个中第8
API价格	768p下6秒0.28美元	768p下每秒0.08美元

海螺AI适合哪些任务

• 广告和电商。 MiniMax明确把广告、品牌和电商列为H3的主要场景：画面中的文字和品牌都很准确。
• 根据照片生成角色视频。 9张参考图足以保持人脸、服装和商品一致。
• 动作迁移。 用参考视频指定角色动作，MiniMax把这列为强项。
• 多语言对白视频。 H3能稳定处理11种语言。
• 风格化视频。 Hailuo 2.3能很好地保持动漫、插画和游戏CG风格。

海螺AI与同类模型对比

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
开发方	MiniMax	ByteDance	Google	Kuaishou
时长	4–15秒	最长30秒	4、6或8秒	最长15秒
分辨率	最高2K	开发方未公布	最高4K	720p、1080p
声音	立体声	有	有	有
参考	最多12个文件	最多50个	最多3张照片	最多7张照片
开放权重	有	无	无	无
Arena排名	8	5和7	23（Veo 3）	29（2.6 Pro）

需要2K、立体声和大量参考时，H3是很强的选择。如果看重视频时长，最长30秒的Seedance 2.5或Wan 3.0更方便。排行榜第一是Gemini Omni。

海螺AI提示词怎么写

• 先写动作和镜头： 发生了什么、镜头怎么动，例如“镜头从柏油路面升起，展开全景”。
• 声音单独写一行。 “Sound：发动机声、风声、海浪声”，H3会与画面一起生成。
• 台词放在引号里。 写明谁在说，并简单描述语气。
• 画面文字要准确并加引号， 再加上“spelled exactly”。如果镜头透过玻璃拍摄，检查文字是否被镜像。
• 给参考分配角色。 在提示词中写明每个文件取什么：人脸来自第一张照片，夹克来自第二张，动作来自视频。

如何在AI2Face中使用海螺AI

海螺已上线AI2Face生成器，无需MiniMax账号。你可以把同一个提示词分别交给海螺、Seedance、Veo 3.1和Kling，对比效果。每次生成的费用在开始前显示，支持银行卡或加密货币支付，积分包里的积分不会过期。新账号注册后即可获得欢迎积分。

局限

• 单次生成最长15秒。 讲长故事需要拼接多段视频，或选择支持30秒的模型。
• 2K需要单独的环节。 H3的基础分辨率是768p，2K靠重新生成实现，价格也更高。
• 透过玻璃或反射看到的文字有时会被画成镜像，就像我们的测试一样。
• 音频参考不能单独使用，必须搭配图片或视频。
• 开放权重对硬件要求高： 330亿参数的模型在普通笔记本上跑不动。

总结

海螺AI是2026年最强的视频模型之一：MiniMax H3在Arena排名第8，可生成最长15秒、2K、带立体声的视频，最多支持12个参考，能说11种语言。Hailuo 2.3则作为制作短小风格化视频的低价选项保留下来。做广告、带角色和画面文字的视频，选H3；讲长故事选Seedance 2.5或Wan 3.0，要4K就选Veo 3.1。用同一个提示词对比它们，最方便的就是AI2Face。